AI가终于 공공 안전 분야에서 자리를 잡고 있는 이유

2년 전, 경찰서長의 사무실에 들어가서 “인공 지능”이라는 단어를 언급하면 대화가 빠르게 중단됐을 것입니다. 그것은 경찰서長들이 새로운 기술에 폐쇄적이었기 때문이 아니라, 초기 AI 도구들이 약속한 것보다 더 많은 것을 제공하지 못했기 때문입니다. 벤더들은 변화를 판매했습니다. 기관들은 실제로 현장에서 작동하지 않거나 실제 워크플로에 적합하지 않거나 신뢰를 얻을 수 없는 도구를 받았습니다.

그러나 오늘날의 대화는 다릅니다. 경찰서長들은 AI를 탐색해야 하는지 묻지 않습니다. 그들은 어떤 문제를 실제로 해결하는 데 хорош고, 어떻게 배포하여 검토에耐える지 묻고 있습니다. 이러한 변화는 허위가 더 큰 것이 아니기 때문이 아니라, 새로운 도구가 실제 운영 문제를 해결하기 시작했고, 기관들은 실제 기능과 데모를 구별하는 데 더 날카로워졌기 때문입니다.

실제로 변경된 내용

오늘날 신뢰를 얻는 도구들은 공통점이 있습니다. 그들은 판단을 대체하려고 하지 않습니다. 판단에 더 많은 공간을 제공하려고 합니다.

현재 공공 안전 분야에서 가장 유용한 AI 응용 프로그램은 시간을 소비하지 않고 안전 가치를 추가하지 않는 일에 집중합니다. 정보를 분류하고, 분산된 기록을 연결하고, 이미 알고 있는 것을 요약하여 사람이 더 빠르게 행동할 수 있도록 합니다. 이러한 도구는 판단을 내리는 것이 아니라, 보조 도구입니다. 그들은 이미 얇은 사람들의 인지적 부담을 줄이고, 실제 호출(누구를 기소할지, 어떻게 응답할지, 무엇을 우선순위로 할지)을 사람에게 맡깁니다., 즉 경찰, 수사관, 분석가에게 맡깁니다.

이 구분은 실제로 추진력을 얻는 도구와 그렇지 않은 도구를 구별합니다. 기관들은 조달 과정에서 올바른 질문을 묻는 데 더 능숙해졌습니다. 내 데이터는 어떻게 노출되나요? 시스템은 어떻게 출력을 생성하나요? 감사할 수 있나요? 잘못된 경우에는 어떻게 되나요? 어떤 모델이 어떤 기능에 가장 적합한가요? 이러한 질문에 명확하게 대답할 수 있는 벤더가 거래를 이깁니다. “책임 있는 AI”의 기준은 3년 전보다 높습니다. 이것은 기술을 더 좋게 만듭니다.

값이 실제로 나타나는 곳

현재 공공 안전 분야에서 AI에 대한 정직한 논증은 극적이지 않습니다. 그것은 시간과 찾기 어려웠던 것을 표면화하는 것입니다.

소음 속에서 리드를 찾는 것. 수사관은 디지털 증거, 디지털 포렌식 추출, 사건 파일, 보고서, 팁 라인 등 수동으로 검토할 수 있는 것보다 훨씬 더 많은 디지털 증거를 받습니다. AI 도구는 이러한 볼륨을 분류하고 실제로 관련된 것을 표면화하여 수사관에게 시간을 돌려주고, 경우에 따라 수동 검토로 발견하기 어려웠던 리드를 제공합니다.

보고서 간의 연결 고리 찾기 – 대부분의 기관의 기록은 분산된 시스템에 걸쳐 있으며, 동일한 사람, 차량 또는 위치가 관련된 보고서에 나타나지 않을 수 있습니다. 보고서 간의 사람, 장소, 차량, 사건을 자동으로 그룹화하고 연결하여 분석가나 수사관에게 표면화하는 AI는 단편적인 서류를 작업 가능한 리드로 전환하고, 분리된 정보로 인해 중단된 사건을 해결하는 데 도움이 됩니다.

_DISPATCH부터 법정까지 기록을 풍부하게 하는 것 – 한 가지 더 저평가된 응용 프로그램은 사례가 전체 수명 주기 동안 계속해서 컨텍스트를 캡처하고 풍부하게 하는 것입니다. 초기 호출에서 응답을 통해 수사 및 사례 관리로 이동하는 경우, 컨텍스트가 연속적으로 캡처되고 풍부하게 된다면, 결과 기록은 더 완전하고 일관적이며 더 잘 문서화됩니다. 이것은 기록이 법정에서 발견 의무를 지원할 때 중요합니다.

이러한 것은 모두 추측적인 능력이 아닙니다. 이러한 워크플로는 기관이 이미 오늘날 실행 중입니다. 그리고 가치는 항상 동일한 통화로 나타납니다. 즉, 작업을 수행하는 사람에게 돌아온 시간과, 정보를 찾는 데 어려움이 없었기 때문에 더 빠르게 진행되는 사건입니다.

더 적은 것으로 더 많은 것을 하는 것

이것이 중요한 이유는 구조적인 이유가 있습니다. 공공 안전 기관을 통해 흐르는 디지털 및 기계 생성 데이터의 볼륨 (비디오, 센서 피드, 디지털 증거, 시스템의 기록)은 계속 증가할 것입니다. 그리고 그것은 기관이 수동으로 처리하기 위해 사람들을 고용하는 능력을 초과할 것입니다. 대부분의 기관에서 인력은 데이터 볼륨을 따라잡지 못했습니다. 그리고 앞으로도 그러할 것입니다.

이것이 공공 안전 분야에서 AI에 대한 실제 논증입니다.それは 화려한 것을 하는 것이 아닙니다. 그것은 데이터의 볼륨에서 의미와 컨텍스트를 추출할 수 있는 계층을 구축하는 것입니다. 기존 시스템의 레코드 시스템 위에 지능 시스템을 구축하는 기관들은 이미 가지고 있는 사람들과 예산으로 더 많은 것을 할 수 있을 것입니다. 그렇지 않은 기관들은 더 많은 데이터를 축적할 것입니다. 그러나 실제로 사용할 수 있는 능력은 줄어들 것입니다.

책임 있는 배포가 여전히 요구하는 것

이 모든 것이 작동하려면 배포가 조심스럽게 이루어져야 합니다. 실제 가치를 얻는 기관들은 몇 가지 가치 있는 습관을 공유합니다.

그들은 운영 문제에서 시작합니다. 기술이 아니라, 실제로 사람들을 느리게 하는 것은 무엇인지, 그리고 AI가 올바른 해결책인지 묻습니다. 설명 가능성을 요구합니다. 도구가 연결이나 추천을 표면화하면, 누군가는 구체적인 용어로, 모호한 용어로 설명할 수 있어야 합니다. 그리고 기술을 보조적인 역할로 유지합니다. 정보를 표면화하고 노イズ를 줄입니다. 책임을 지닌 결정은 사람에게 맡깁니다.

가치 있는 대화

過去 2년 동안의 가장 중요한 변화는 “AI”가 공공 안전 분야에서 불편한 단어가 아니라는 것입니다. 대화가 더 구체적으로 바뀌었습니다. 우리는 “이것을 사용해야 합니까?”에서 “어떤 문제를 실제로 잘 해결합니까? 그리고 책임 있게 하는 것이 무엇입니까?”로 이동했습니다. 이것이 가치 있는 대화입니다. 앞으로도 이러한 대화를 해야 합니다.

이것을 올바르게 하는 기관들은 반드시 가장 빠르게 움직이는 것이 아닙니다. 5년 후에도 여전히 제공되고 신뢰되는 배포를 하는 기관들이 될 것입니다. 이것이 클리어해야 하는 바입니다.